根据前面的答案，在数学上，我们似乎只是以更高的顺序思考。我们不认为值x具有类型x，而是考虑函数x: T→x，其中T是时间的类型，可以是自然数、整数或连续统。当我们用编程语言写y:= x + 1时，我们实际上是指方程y(t) = x(t) + 1。

在阅读了许多页关于FRP的文章后，我终于看到了这篇关于FRP的启发性文章，它最终让我明白了FRP的真正含义。

下面我引用海因里希·阿费尔马斯(活性香蕉的作者)的话。

What is the essence of functional reactive programming? A common answer would be that “FRP is all about describing a system in terms of time-varying functions instead of mutable state”, and that would certainly not be wrong. This is the semantic viewpoint. But in my opinion, the deeper, more satisfying answer is given by the following purely syntactic criterion: The essence of functional reactive programming is to specify the dynamic behavior of a value completely at the time of declaration. For instance, take the example of a counter: you have two buttons labelled “Up” and “Down” which can be used to increment or decrement the counter. Imperatively, you would first specify an initial value and then change it whenever a button is pressed; something like this: counter := 0 -- initial value on buttonUp = (counter := counter + 1) -- change it later on buttonDown = (counter := counter - 1) The point is that at the time of declaration, only the initial value for the counter is specified; the dynamic behavior of counter is implicit in the rest of the program text. In contrast, functional reactive programming specifies the whole dynamic behavior at the time of declaration, like this: counter :: Behavior Int counter = accumulate ($) 0 (fmap (+1) eventUp `union` fmap (subtract 1) eventDown) Whenever you want to understand the dynamics of counter, you only have to look at its definition. Everything that can happen to it will appear on the right-hand side. This is very much in contrast to the imperative approach where subsequent declarations can change the dynamic behavior of previously declared values.

所以，在我的理解中，FRP程序是一组方程:

J是离散的:1,2,3,4…

F依赖于t所以这包含了外部刺激模型的可能性

程序的所有状态都封装在变量x_i中

FRP库考虑了进度时间，换句话说，从j到j+1。

我会在这个视频中更详细地解释这些方程。

编辑:

在最初的回答大约2年后，最近我得出结论，FRP实现还有另一个重要的方面。它们需要(通常也会)解决一个重要的实际问题:缓存失效。

x_i-s的方程描述了一个依赖关系图。当x_i在j时刻发生变化时，并不需要更新j+1时刻的所有其他x_i'值，因此并不需要重新计算所有依赖项，因为有些x_i'可能与x_i无关。

而且，改变的x_i-s可以被增量更新。例如，让我们考虑Scala中的映射操作f=g.map(_+1)，其中f和g是int类型的列表。这里f对应于x_i(t_j) g是x_j(t_j)现在，如果我将一个元素前置到g中，那么对g中的所有元素执行映射操作将是浪费的。一些FRP实现(例如reflect - FRP)旨在解决这个问题。这个问题也称为增量计算。

换句话说，FRP中的行为(x_i-s)可以被认为是缓存的计算。如果某些f_i-s确实发生了变化，FRP引擎的任务就是有效地使这些缓存(x_i-s)失效并重新计算。

我在Clojure reddit上找到了一个关于FRP的视频。即使你不懂Clojure，也很容易理解。

这是视频:http://www.youtube.com/watch?v=nket0K1RXU4

这是视频后半段提到的来源:https://github.com/Cicayda/yolk-examples/blob/master/src/yolk_examples/client/autocomplete.cljs

就像电子表格一样。通常基于事件驱动框架。

和所有的“范式”一样，它的新颖性是有争议的。

根据我对参与者的分布式流网络的经验，它很容易陷入节点网络状态一致性的普遍问题，即你最终会陷入很多振荡并陷入奇怪的循环中。

这是很难避免的，因为一些语义意味着引用循环或广播，并且当参与者网络收敛(或不收敛)在某些不可预知的状态时，可能会非常混乱。

类似地，尽管具有定义良好的边缘，但可能无法到达某些状态，因为全局状态偏离了解决方案。2+2可能等于4，也可能不等于4，这取决于2是什么时候变成2的，以及它们是否一直是这样。电子表格具有同步时钟和循环检测。分布式参与者通常不会。

一切都很有趣:)。

对我来说，这是关于符号的2个不同的含义=:

在数学中，x = sint的意思是，x是sint的另一个名字。所以写x + y和sin(t) + y是一样的。函数式响应式编程在这方面就像数学:如果你写x + y，它是用t在使用时的任何值来计算的。 在类c编程语言(命令式语言)中，x = sin(t)是一个赋值:它意味着x存储在赋值时所取的sin(t)的值。

Conal Elliott的论文《Simply efficient functional reactivity》(直接PDF, 233 KB)是一个相当好的介绍。相应的库也可以工作。

这篇论文现在被另一篇论文取代，推拉函数式反应性编程(直接PDF, 286 KB)。